“如何修复”；警告：在InitGoogleLogging（）写入STDERR之前进行日志记录…“；Python（或工具）中的错误？

我正在尝试使用Python3.7.1、spider和or工具解决一个优化问题。目前，我想使用约束将对象分为3个不同的类

首先，我尝试使用以下方法解决此问题：

    #solver = pywraplp.Solver('LinearExample',
    #                           pywraplp.Solver.GLOP_LINEAR_PROGRAMMING)

我得到了一些结果，但不是预期的结果，因为xaxbxc应该是3个二进制向量。 那么，我将这两行替换为一个整数问题来解决这个问题，在我看来更符合逻辑，通过：

    solver = pywraplp.Solver('SolveIntegerProblem',
                          pywraplp.Solver.CBC_MIXED_INTEGER_PROGRAMMING)

当我运行代码时，会打开一个窗口，显示消息：它已停止工作，然后我收到以下警告：

    "An error ocurred while starting the kernel"
    WARNING: Logging before InitGoogleLogging() is written to STDERR
    F0327 09:54:41.733001 3784 map_util.h:126] Check failed:   collection‑>insert(value_type(key, data)).second duplicate key: xA
    *** Check failure stack trace: ***

然后我必须关闭控制台 我不明白为什么问题似乎是x。。。而不是“LinearExample”

这里，再现错误的代码是：

from\uuuuu future\uuuuu导入打印功能
作为pd进口熊猫
从ortools.linear_解算器导入pywraplp
def main（）：
solver=pywraplp.solver（'SolveIntegerProblem'，
pywraplp.Solver.CBC_混合_整数_编程）
#solver=pywraplp.solver（'LinearExample'，
#pywraplp.Solver.GLOP_（线性规划）
# 
xA=[]#xA[i]=1，如果我在A中分类，否则为0
xB=[]#xB[i]=1如果我在B中分类，则为0
xC=[]#xC[i]=1如果我用C分类，否则为0
d={'A'：[19286.023786.098225054.097466.0728998.0275708.04576.067284.0385582.013450.043271.044601.088372.0]，
‘B’：[12073.021563.013077.06407.091850.0557996.0206372.02812.052362.0244102.011225.050612.049299.076099.0]，
‘C’：[12048.042648.035491.019800.0117602.0643498.0232377.05217.079200.0234259.019296.0114048.0100725.0130911.0]}
系数=pd.数据帧（数据=d）
c={'A'：[11503106381984364150224034341478238352851649575953057883301]，
‘B’：[17832047425,88230662616423,5161079776103410211443537]，
‘C’：[128250,61,15161453461,8,605661111125161,57]}
重量=pd.数据帧（数据=c）
nb_obj=len（系数['A']）
#变量值：0或1
对于范围内的i（nb_obj）：
append（solver.IntVar（0.0,1.0，'xA'））
append（solver.IntVar（0.0,1.0，'xB'））
append（solver.IntVar（0.0,1.0，'xC'））
#每类的总重量是有限的
solver.Add（sum（xA*weight.A）根据@CodyGray的请求，下面是工作代码。它定义了14*3=42个变量。OP的代码在for循环中只定义了一个（
xA
）或三个变量（
xA，xB，xC
），这可能导致错误：
重复键：xA

from __future__ import print_function
import pandas as pd
from ortools.linear_solver import pywraplp

def main():
  solver = pywraplp.Solver('SolveIntegerProblem',
                          pywraplp.Solver.CBC_MIXED_INTEGER_PROGRAMMING)

  d = {
        'A': [19286.0, 23786.0, 9822.0, 5054.0, 97466.0, 728998.0, 275708.0, 
              4576.0, 67284.0, 385582.0, 13450.0, 43271.0, 44601.0, 88372.0],
        'B': [12073.0, 21563.0, 13077.0, 6407.0, 91850.0, 557996.0, 206372.0,
              2812.0, 52362.0, 244102.0, 11225.0, 50612.0, 49299.0, 76099.0],
        'C': [12048.0, 42648.0, 35491.0, 19800.0, 117602.0, 643498.0, 232377.0,
              5217.0, 79200.0, 234259.0, 19296.0, 114048.0, 100725.0, 130911.0]
      }
  coeff = pd.DataFrame(data=d)

  c = {
        'A': [11503, 10638, 1984, 364, 15022, 40343, 41478,
              238, 3528, 51649, 5759, 5305, 7883, 301],
        'B': [1783, 2047, 425, 88, 2306, 6261, 6423,
              51, 610, 7976, 1034, 1021, 1443, 537],
        'C': [128, 250, 61, 15, 161, 453, 461,
              8, 60, 566, 111, 125, 161, 57]
      }
  weight = pd.DataFrame(data=c)

  nb_obj=len(coeff['A'])
  xA = [solver.IntVar(0.0, 1.0, 'xA{:02d}'.format(i)) for i in range(nb_obj)]
  xB = [solver.IntVar(0.0, 1.0, 'xB{:02d}'.format(i)) for i in range(nb_obj)]
  xC = [solver.IntVar(0.0, 1.0, 'xC{:02d}'.format(i)) for i in range(nb_obj)]

  # total weight per class is limited 
  solver.Add(sum(xA * weight.A) <= 80000)
  solver.Add(sum(xB * weight.B) <= 15000)
  solver.Add(sum(xC * weight.C) <= 1500)

  # number of object in each class is limited
  solver.Add(sum(xA) <= 3)
  solver.Add(sum(xB) <= 6) 
  solver.Add(sum(xC) <= 5)

  # 1 object can only belong to a single class
  for i in range (nb_obj):
    solver.Add(xA[i] + xB[i] + xC[i] == 1)

  objective = solver.Objective()

  for i in range(nb_obj):
    objective.SetCoefficient(xA[i], coeff.A[i])
    objective.SetCoefficient(xB[i], coeff.B[i])
    objective.SetCoefficient(xC[i], coeff.C[i])

  objective.SetMaximization()

  print('Number of variables =', solver.NumVariables())
  print('Number of constraints =', solver.NumConstraints())

  # Solve the problem and print the solution.
  result_status = solver.Solve()
  # The problem has an optimal solution.
  assert result_status == pywraplp.Solver.OPTIMAL

  # The objective value of the solution.
  print('Optimal objective value = %d' % solver.Objective().Value())
  print()
  # The value of each variable in the solution.
  for i in range(nb_obj):
    print("Obj {:02d}:".format(i), xA[i].solution_value(), xB[i].solution_value(), xC[i].solution_value())


if __name__ == '__main__':
  main()

这个警告到底发生在什么时候？所有这些代码真的有必要证明这个问题（而不是解决您的原始任务）吗？换句话说，请确保这是一个！另外，作为这里的新用户，请阅读。警告与错误无关。@KlausD。我不确定您的意思。您的输出在第一行和下面显示了一个警告，该错误与警告和您的实际问题无关。此外，您似乎切断了最重要的提示重要信息：堆栈跟踪。在for循环中，您多次添加相同的命名变量。因此出现错误“duplicate key:xA”。您试图解决的方程组和约束是什么？
Number of variables = 42
Number of constraints = 20
Optimal objective value = 1840645

Obj 00: 1.0 0.0 0.0
Obj 01: 0.0 1.0 0.0
Obj 02: 0.0 1.0 0.0
Obj 03: 0.0 1.0 0.0
Obj 04: 0.0 1.0 0.0
Obj 05: 0.0 0.0 1.0
Obj 06: 0.0 0.0 1.0
Obj 07: 0.0 1.0 0.0
Obj 08: 1.0 0.0 0.0
Obj 09: 1.0 0.0 0.0
Obj 10: 0.0 1.0 0.0
Obj 11: 0.0 0.0 1.0
Obj 12: 0.0 0.0 1.0
Obj 13: 0.0 0.0 1.0